焦点靠音高撑起来吗：两种墨西哥西班牙语用音高范围和形状标记焦点的程度之差

英文题目：F0 focus marking in two Mexican Spanish ethnolects

会议身份：conference:speechprosody:2026:conference-paper-id:marchini26_speechprosody

✅ 来源为官方会议 PDF；表格与 Figure 按原文证据绑定。PDF 公式以原页区域图片展示，未冒称作者原始 TeX。

会议来源：官方记录 · 官方 PDF

标签：#统计分析 #韵律 #社会语音学 #语音 #语音属性识别

评分：5.7/10 | 创新 1.2/2 | 技术严谨 1.3/1.5 | 实验充分 1.0/1.5 | 清晰度 0.8/1 | 影响力 0.7/1.5 | 开源 0.0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.4/1.5

排名：前50% | 文档类型：应用研究

👥 作者与机构

• Gilly Marchini：机构信息未能从会议 PDF 纯文本可靠映射
• Jeremy Steffman：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本文以纠正问答中双音节倒数第二重音目标词及其相邻音节的时间归一化、说话人内标准化F0轨迹为输入，输出焦点条件与变体差异的连续量化解释，难点在于小样本下分离音域、形状与对齐交织的曲线变异。方法链首先经语料诱发与声学前端采样得到可比曲线，AFS分析1467条、AMS分析1522条轨迹并按焦点、变体与说话人编码，接着经函数主成分分析将每条曲线分解为均值函数加主成分加权得到PC得分，再用贝叶斯多变量混合模型联合预测多个PC得分并做组水平与逐说话人边缘焦点对比，前一步得分直接作为后一步回归因变量。与基于离散Sp_ToBI标注的既有描述相比，该机制以数据驱动连续模态替代先验类别判断，可同时估计变异方向、幅度与个体异质性。在纠正问答诱发双音节词语料条件下，AMS的PC1焦点对比得分为-6.50，低于AFS的PC1焦点对比得分-2.65。该结论适用边界仅限于朗读双音节词的内焦点与后焦点对比，尚未验证短语边界、语气、自然对话及性别年龄外推。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

• 第三方资源：https://joss.theoj.org/papers/10.21105/joss.01541 — 链接可访问（HTTP 200） 可达状态仅表示本次链接检查结果，不代表许可证、本文权重或运行复现已验证。

🧭 深度解读

输入是什么：要解决的焦点标记问题从哪里来？

这篇论文的输入是两组墨西哥西班牙语族群变体的朗读语音，目标是回答基频是否随焦点变化以及差异在类型学上意味着什么。作者把研究对象限定为高原墨西哥西班牙语与 Afro-Mexican Spanish，前者是中部高原城市欧洲原住民社区的环境变体，后者是西南 Costa Chica 自认 moreno 的 afro-indigenous 社区变体。必须保留的信息是每组 11 名发音人、目标词为双音节倒数第二音节重音词、重音元音为 /a/ 后接 /l, n/ 或 /s/、语境分为目标词本身被纠正的 in-focus 与目标词前动词被纠正的 post-focus。

输出是三部分：每条曲线的主成分得分、组水平与发音人水平的贝叶斯焦点对比、以及对重音类型与宏节奏讨论的启示。背景动机在于非 Afro 西班牙语常用短语层基频标记焦点、情态与组块，而对 Afro-Hispanic 变体的既有结论来自 Palenquero、Afro-Bolivian 与赤道几内亚三地，认为基频更多在词层标记节律结构，重音节恒高、非重音节恒低。AFS 此前只有 2 篇基于自发语 Sp_ToBI 标注的研究，发现核前峰对齐随音段串变化，但无法确定这种变化是否来自焦点等语调过程，也无法确定是否为 AFS 独有。

因此本研究不做营销式判断，而是用相同任务同时比较 AFS 与 AMS，把焦点效应放在可复述的采样与建模流程中检验。

高原墨西哥西班牙语 × Afro-Mexican Spanish： 高原墨西哥西班牙语指中部高原 Toluca 欧洲原住民城市社区的环境变体，Afro-Mexican Spanish 指西南 Costa Chica 自认 moreno 的 afro-indigenous 社区变体，前者负责提供区域内已有较多短语韵律描写的参照，后者负责提供此前只有 2 篇自发语标注研究的待描写对象，两者搭配的理由是检验所谓 Afro 变体特性是族群特有还是区域共性必须有同地区对照，组合意义是在相同双音节重音词与焦点任务下比较 F0 变异是否同向同量。

对于刚入门的读者，白话理解是：焦点指说话人要纠正或强调哪个词，基频指声音高低随时间走出的曲线。如果两种话都用把曲线抬高拉宽、做出升降来强调被纠正的词，就说明基频在两处都承担短语后词汇功能；如果一处很明显、一处很微弱，就需要讨论类型学参数是否要加入范围维度。

已有路线比较了什么：标注法与数据驱动法各管什么？

同输入同目标的已有工作是 Marchini 对 AFS 的探索性分析，一条路线用 Sp_ToBI 标注自发语，报告在 /VN.C/ 如 descendiente 中峰在重音节内实现为 L+H*，在 /V.NV/ 如 mexicano 中峰后置为 L+>H*，提出音段锚定问题。另一条路线是本文作者在 Interspeech 2025 的 K-means 聚类与广义加性混合模型工作，尝试自下而上找典型轮廓。同运行阶段的参照是 Arvaniti 等、Kaland 等关于语调变异、重叠与线索交易以及轮廓聚类的研究，它们共同说明只看离散调型可能丢失连续的范围与形状差异。

同监督的对照是传统 ToBI 类别，需要人工标注调型边界，而本文的函数主成分分析不需要预先指定升调还是降调，直接让数据中的正交变异模式浮现。作者没有把类别差异当成同条件胜负，而是把 FPCA 定位为补充：先用连续方法量化焦点带来多少方差，再回头讨论是否需要修订离散类型标签。未报告的是这些聚类结果与本文主成分得分的逐 token 对应关系，论文只在讨论中提到 PC3 可能与音段锚定有关，具体由另文承担。

要回答的两个问题如何变成可检验的对比？

论文明确提出两个研究问题。第一，基频在 AMS 与 AFS 中在多大程度上随焦点变化；第二，发现如何帮助形成类型学模型。为使问题可检验，作者把第一个问题操作化为 3 维对比：PC1 是否对应音高范围、PC2 是否对应形状、PC3 是否对应峰对齐，以及 in-focus 相对 post-focus 的得分差是否可信为非零。第二个问题操作化为在 Jun 韵律类型学中能否仍把两变体都归为重音型与头凸显，以及宏节奏参数是否需要纳入范围。

教学上可以举一个例子帮助理解，但它只是例子：比如目标词 mano 与 manto 放在 12 音节句中读三遍，纠正问题 1 次指向目标词本身、1 次指向其前动词，比较 2 次曲线的平均高低与升降，这就是 1 次焦点对比。论文实际检验的不是单个词例，而是跨 11 加 11 名发音人、跨 /l, n, s/ 与 /V.CV/ 与 /VC.tV/ 环境的边际效应，并在统计模型中把音段构成与音节归属也作为固定效应加以平均掉。

限制是实验只覆盖一个韵律词内两个音节的焦点对比，没有 elicited 宽焦点陈述句那样的中性全局旋律，因此对宏节奏的讨论只能是初步的。

方法全景：从录音到结论要走哪几步？

全流程可以沿一个样本走完。假设 1 名 AFS 发音人读出一句含 mano 的句子，录音设备是 Marantz PMD661 MKII 加头戴麦，距离嘴 12 cm 并全程监控电平。研究者在其目标词所在区间按比例时长取 20 个时间归 1 采样点，得到一条原始基频轨迹，再在说话人内做 z 归一，消除个人基频高低的影响。所有 2989 条这样的曲线进入函数主成分分析，得到平均曲线与 3 个主成分方向，每条曲线表示为平均加各得分乘各成分。

接着把得分送入贝叶斯多变量混合效应模型，同时预测 PC1 到 PC3，固定效应包括焦点、变体、音段构成与音节及其全部交互，随机效应为说话人截距加焦点、音段与音节的按说话人斜率。组水平看焦点主效应与焦点与变体交互的事后两两比较，发音人水平则把说话人当固定效应与焦点等交互，提取每个发音人边际化的焦点差值并画在 3 维对比空间中。最终结论来自可信区间是否排除零与方向概率，以及 PC1 解释 65.36% 方差这一权重。

本研究没有训练神经网络，没有更新权重，不存在梯度路径与早停，选择 FPCA 的理由是它在分析基频动态与个体差异方面已有应用，能保留连续形状信息。

曲线如何变成数字：FPCA 的输入、表示与输出是什么？

FPCA 的输入是每条时间归一、说话人内标准化的基频函数，输出是每条曲线的 3 个得分。论文给出模型形式为 f(t) 等于平均函数加 s1 乘 PC1 加 s2 乘 PC2 等，其中 t 为时间，mu 为全部曲线均值，s 为该曲线在对应成分上的得分。计算目标是找到解释方差最大的正交函数方向，第一成分捕捉最大变异，第二成分在与第一正交约束下捕捉剩余最大变异，依此类推。原文明确的实现是只保留前三成分，因为它们合计解释 98.78% 观测方差，不再向后扩展。

解释上 PC1 大致对应范围，得分越高曲线在全程越低，得分越低曲线越高；PC2 对应形状，得分高呈上升形，得分低呈升降形；PC3 对应峰对齐，得分低峰较早、得分高峰较晚。初学者容易把主成分当成预设的语言学标签，实际上它们是数据驱动的变异轴，语言学含义是看成分曲线调制平均轨迹的方式后赋予的。论文还说明音段与音节变量编码后接音段是 /l, n/ 还是 /s/ 以及其在起音还是韵尾，但正文不报告其效应，留待聚焦焦点的边际比较。

焦点 × 基频： 焦点在这里指通过纠正问答让目标词成为纠正 locus 的 in-focus 条件与动词被纠正、目标词落在焦点后的 post-focus 条件，它负责提供需要被听辨的信息结构差别；基频即 F0 轨迹，负责把这种差别实现为可测量的音高高低与起伏，两者搭配的理由是西班牙语非 Afro 变体常用短语层 F0 标记焦点，而 Afro 变体是否也如此需要直接检验，组合意义是把抽象的信息结构对比转化为每音节 20 点采样并经说话人内 z 归一的曲线差异。

需要强调的是采样细节：每个音节 20 点、每人每句 3 次重复、AFS 1467 条与 AMS 1522 条合计 2989 条，这些数字决定了后续估计的精度，不能随意更改。

没有训练阶段时，统计模型实际计算了什么？

本研究没有神经网络训练阶段，因此不存在参数冻结与更新、梯度回传、监督标签反传或重置时机的安排。真实计算过程是两步。第一步是函数数据分析中的特征分解与投影，得到每条曲线的得分，这一步是确定性数学变换加数值估计，不是基于训练集损失的迭代优化。第二步是用 brms 实现的贝叶斯多层模型估计，用弱信息正态先验 normal(0,2) 施加于截距与固定效应，通过 Stan 采样得到每个效应与对比的后验分布，报告后验中位数、95% 可信区间与方向概率。

当 95% 可信区间排除零时视为可信效应，此时方向概率不小于 97.5。组模型把变体作为随机截距并带按变体的焦点斜率，发音人模型把说话人作为固定效应以提取每人边际焦点差。缺项是论文未报告采样链数、迭代数、收敛诊断与先验敏感性，也未报告拟合时长与硬件预算，因此复现时需要按 brms 默认流程补记这些设置并检查收敛，不能从模型名称推定已收敛或输出确定。

实验条件：人、材料、划分与指标如何对齐？

被试为每组 11 人，AFS 来自 Costa Chica，平均 36.4 岁，AMS 来自 Toluca，平均 34.5 岁，两组均为女性多于男性，AMS 组 11 人中有 7 名女性，AFS 组 11 人中有 10 名女性，作者说明这与白天入户采集时女性更常在家有关。材料为 12 音节句，目标词为双音节倒数第二重音词，居第三与倒数第二重音位置，重音节元音为 /a/，后接音段与音节归属构成 /V.CV/ 与 /VC.tV/ 对比。任务为纠正问答，随机化呈现，post-focus 时纠正目标词前动词，in-focus 时纠正目标词本身。划分上没有训练集验证集测试集之分，全部 2989 条轮廓同时用于 FPCA 得分生成，再按焦点、变体、说话人分组做统计比较。

指标不是词错率或调型标注一致率，而是 3 个主成分得分的后验差值、区间与方向概率，以及各成分解释方差比例。聚合对象是先在全数据集上估计平均轨迹与成分，再边际化音段与音节后比较焦点条件。以下整理表把人数、年龄、重复与轮廓数放在同一 5 列结构中，便于核对公平条件，表中数字与单位均来自原文连续句，裸值不擅自加百分号。

上表提出的问题是两组在样本量与任务上是否可比，公平条件是同为每组 11 人、同为 3 次重复与同类目标词，指标方向不适用数量表，主要收益是确认 AFS 与 AMS 轮廓数接近且总 N 明确，代价是性别比例不平衡且年龄相差约两岁，复现时需考虑性别与年龄可能带来的音高差异，论文未对此做系统建模，这是未评测边界。

组水平发现了什么：范围与形状如何随焦点变化？

组水平先看方差权重。前三成分分别解释 65.36%、29.22% 与 4.20%，合计 98.78%，因此 PC1 承载最大信息量，焦点在 PC1 上的差异对总变异贡献最大。主模型显示 in-focus 的 PC1 可信更低，贝塔为负且区间不含零，意味着该条件下曲线更高更宽；焦点与变体的交互显示 AFS 的 in-focus PC1 可信更高，说明其抬高幅度小于 AMS。事后比较量化了这一点：AMS 的 in-focus 相对 post-focus 差值约为负 6.50，AFS 约为负 2.65，两者区间均不含零但前者绝对值大得多。

跨变体比较中 in-focus 时 AMS 更低、post-focus 时 AMS 更高，支持 AMS 两条件分得更开。PC2 上焦点主效应同样可信为负，变体主效应与交互均不可信，事后两组各自的 in-focus 相对 post-focus 差值几乎相等，AFS 与 AMS 均约为负 2.75，说明在形状维度 2 变体都从较平转为升降且幅度相近。PC3 上焦点与变体均无可信效应，作者认为可能与音段串交互有关。重提结果时新增的对照是：PC1 与 PC2 同向但分工不同，前者区分变体间强度，后者显示跨变体一致的形状切换，因此不能只用升降有无概括焦点标记。

以下用 5 列整理表呈现核心可运行比较，基线为 post-focus，策略为 in-focus，比较对象为两变体，数值保留原文精度与区间写法。

上表的主要收益是同时保留基线、效应量与不确定性，避免只看显著与否；具体代价是 PC3 无组效应成为反例，说明峰对齐不能作为两变体焦点标记的通用指标。未胜出项是变体主效应本身在 PC1 与 PC2 上均不可信，只有与焦点交互后才显现，这是理解时容易忽略的边界。

函数主成分分析 × 贝叶斯多变量回归： 函数主成分分析负责把连续 F0 函数拆成互不相关的变异模式，给每条曲线一组主成分得分从而量化范围与形状；贝叶斯多变量回归负责联合预测这些得分并估计焦点、变体、音段构成与音节的固定效应与说话人随机效应，两者搭配的理由是前者解决曲线难以直接比较的问题，后者解决多个得分可能协变与个体差异大的问题，组合意义是先降维再统计推断，用后验中位数与 95% 可信区间判断效应是否可信为非零。

下面结合像素图核对上述判断。图前导读如下：请按从上到下顺序阅读该三排图，上排看两变体两条件的平均曲线分离度，中排看三成分各自调制平均曲线的方式，下排看估计得分的点与误差棒是否分离，颜色按 in-focus 紫色与 post-focus 橙色区分。

看图路径： 1. 先看面板 a 左右两列 afs 与 ams 中紫色 in-focus 粗线与橙色 post-focus 粗线的相对高低与起伏；2. 再看面板 b 三列 PC1 到 PC3 中颜色从深蓝到品红变化时曲线整体上下平移还是左右换形；3. 对照面板 c 左中两列同一变体内紫点与橙点的垂直距离，判断焦点效应大小；4. 检查面板 c 右列 PC3 两色点是否基本重合，确认峰对齐无组效应

论文图 1。原论文 Figure 1：“Panel a: Scaled F0 means for each focus condition and variety.”。

针对可见内容的解释是：面板 a 左列 afs 中紫色粗线仅略高于橙色粗线且峰较矮，右列 ams 中紫色粗线明显高出并形成饱满驼峰，橙色粗线则压低走平，这与 PC1 效应 AMS 更大的数值一致。面板 b 左列 PC1 颜色变化带来整体上下平移，中列 PC2 颜色变化带来前升后降的交叉，右列 PC3 变化幅度小且集中在峰左右移动。面板 c 左列 ams 两点垂直距离大于 afs 两点，中列两变体距离相近，右列四点几乎重合且误差棒短，支持前 2 维有焦点效应、第 3 维无组效应的报告。像素不能精确读出纵轴每格数值，解释只用相对高低与分离程度，不硬写坐标值。

拆到每个人后结论还成立吗：谁是极大派与极小派？

把聚合拆开后，作者把说话人当固定效应，提取每人边际化的焦点差并画在 PC1 为横轴、PC2 为纵轴、PC3 颜色与形状为第 3 维的散点中。这相当于对聚合结论的分解检验：如果组效应稳健，应看到多数人落在 PC1 与 PC2 负值区且误差棒不跨零；如果 PC3 无组效应，应看到其方向分散。结果显示 9 名极大派在 3 维上均可信，6 名来自 AMS，3 名来自 AFS，他们的 PC1 与 PC2 均为 in-focus 更低，PC3 方向则 4 人更低、6 人更高。10 名中间派在 2 维上可信，其中 4 名 AMS 均为 PC1 加 PC2 可信，6 名 AFS 中 4 人为 PC1 加 PC2，另有 S1F AFS 与 S8F AFS 为 PC2 加 PC3 且 PC3 方向相反，前者峰更晚、后者峰更早。

3 名极小派只在 1 维可信：S4F AFS 仅 PC3 更低，S6F AMS 仅 PC1 更低但效应量大，S10F AFS 仅 PC2 更低。按计数，PC1 可信者为全部 AMS 与 7 名 AFS，PC2 为每组各 9 人，PC3 为每组各 6 人但方向因人而异。新增的适用条件是：谈 AMS 更强时不仅指组均值差值大，也指更多个体同时在最大方差维度上达标，而 AFS 内部异质性更高，有 2 人完全不走 PC1 通道。

图前导读如下：请先定位横纵零线与虚线，再按标签找到 s6f ams、s4f afs 等离群者，对比其误差棒是否跨过零线，最后用颜色深浅判断 PC3 数值大小，用圆与三角判断 PC3 是否可信。

看图路径： 1. 先确认横轴为 PC1 焦点对比、纵轴为 PC2 焦点对比，越向左下表示 in-focus 越低；2. 再看圆点与三角的含义，三角表示 PC3 对比可信非零，颜色表示 PC3 对比数值；3. 找出左上角 s6f ams 与右上角 s4f afs 两个离群点，比较其横纵位置差异；4. 数一数落在零线左侧且误差棒不跨零的点有多少，体会组效应在个体层面的覆盖率

论文图 2。原论文 Figure 2：“PC score contrasts for focus computed for each speaker from the individual analysis.”。

针对可见内容的解释是：图中绝大多数点位于横轴零线左侧，说明多数人 PC1 对比为负；纵轴上除左上 s6f ams 接近零外其余均明显为负，说明 PC2 对比普遍存在。左上 s6f ams 横向很负但纵向接近零且为浅色圆点，对应仅 PC1 可信的极小派；右上 s4f afs 横纵均接近零但为浅色三角，对应仅 PC3 可信的极小派。右下 s8f afs 深色三角纵向很负，左下 s3f ams 与 s7f afs 深色点纵向更负，说明 PC3 可信者颜色两极分化，支持方向因人而异而非按变体分组。同样不从像素硬读具体对比数值，结论以原文报告的区间与计数为准。

哪些还没有被验证：峰对齐与类型学讨论的边界在哪里？

论文直接报告的是范围与形状维度随焦点变化且 AMS 更强，这有区间与方向概率支持。有限解释是把两变体都归为重音型与头凸显，因为附加时长检验显示重音节可作凸显头，但正文称结果待发表，不能当作已验证事实使用。未验证推测是 AMS 比 AFS 更具宏节奏，作者自己指出这很初步，因为宏节奏评估需要宽焦点陈述句中跨多个韵律词的重复音高运动及其时间规律，而本实验只覆盖一个韵律词内两个音节的焦点对比，环境不匹配。

PC3 未发现组效应也不能写成峰对齐与焦点无关，因为作者提示可能存在与音段串的交互，且发音人水平方向分裂，正确表述是组平均上不支持，但个体层面存在双向可信效应。其他缺项包括未分析组块、情态、说话意图与其他焦点类型，未建模年龄与性别，尽管样本性别不平衡且年龄均值相差约两岁，社会语言学多样性也有限。这些缺失不是技术错误，但意味着不能把相关性推广为因果，也不能承诺误判率、延迟或成本得到改善。

总体趋势不等于每组每步都成立，AFS 中也有与 AMS 同样强的个体，AMS 中也有 PC3 方向相反者。

复现先做什么：保留哪些参数与信息条件？

复现应先重建信息条件而非直接调模型。第一步按原文招募与材料组织：每组 11 人，12 音节句，双音节倒数第二重音目标词，重音 /a/ 后接 /l, n, s/ 并区分 /V.CV/ 与 /VC.tV/，随机化后用纠正问答 elicited in-focus 与 post-focus，每人每句 3 次重复，用同类录音链与 12 cm 话筒距离并监控电平。第二步按原文处理：每音节 20 点时间归一，说话人内 z 归一，生成 1467 加 1522 共 2989 条曲线后做 FPCA 并只保留前三成分，核对解释方差是否为 65.36%、29.22%、4.20% 量级。

第三步用 brms 拟合多变量模型，固定效应包含焦点、变体、音段构成与音节的全部交互，随机为说话人截距加焦点、音段与音节的按说话人斜率，先验按原文记为 normal(0,2)，另需补记链数、迭代与收敛诊断。第四步做发音人固定效应模型并边际化提取每人焦点差。代码与数据方面，论文称发音人模型数值输出在 OSF 可得，但本次可达性证据仅有一条第三方 JOSS 链接可用，状态为 available 与 200，不能据此写论文数据当前已公开或可运行，需回到原文与 OSF 核对。

未报告硬件预算与运行时长，复现时应如实记录。

何时值得尝试这种做法：给新人的可执行判断是什么？

当你的问题也是连续韵律曲线难以用离散标签比较，且怀疑组间差异主要在整体高低而非形状时，值得尝试先 FPCA 降维再贝叶斯联合建模的路线。它的好处是把范围、形状、对齐拆成正交维度并给出每维的效应量与不确定性，避免只看平均曲线高低；代价是成分含义依赖事后解读，且需要足够重复以稳定估计，本研究每人 3 次重复共近 3000 条曲线才支撑起按说话人斜率的复杂模型。

如果你的数据只有少量 token 或没有控制音段环境，直接套用可能使 PC3 这类小方差成分被噪声主导。论文特有的误解需要澄清：其一，PC1 解释 65.36% 不等于焦点解释了 65% 变异，它只是该方向占总变异的权重，焦点效应大小还需看组间差值；其二，AMS 效应更大不等于每个 AMS 人都大于每个 AFS 人，发音人图显示两组分布有重叠；其三，PC3 无组效应不等于峰对齐不重要，它在个体层面双向可信且可能与音段锚定交织。

还需补的验证是宽焦点多词环境下的宏节奏测量、更多社会语言学分层样本，以及把 K-means 典型轮廓与主成分得分对应起来。

宏节奏 × 重音： 重音在这里指重音节作为凸显头、可承载语调音高运动的词汇节律位置，负责说明 F0 是词层还是短语后词汇层功能；宏节奏指词以上、语调短语以下层面高低调交替的密度与规律性，用来在 Jun 韵律类型学中区分语言，前者分工是定性归类为重音型与头凸显，后者分工是定量刻画旋律交替程度，两者搭配的理由是本研究发现两变体都用 F0 标记焦点但范围差异大，需要看现有类型参数能否容纳，组合意义是作者提出若只看峰频与间隔则范围差异可能未被编码，值得未来修订。

收束时回到起点：两变体都用更高更宽的升降标记 in-focus，但 AMS 在最大方差维度上分得更开且更多个体达标，AFS 则更异质。这一差别是否要写入类型学的宏节奏或新增范围参数，取决于未来在匹配环境中的重复检验，而不是本次单次焦点实验就能定论。

📐 原文公式与排版

以下展示论文原页中的数学表达区域，保留原始上下标、分式和符号排版。区域序号仅用于本文导航，不是论文公式编号。

区域 1 · 查看论文原页

另有 22 个候选区域因边界不明确或图片数量、尺寸限制未展开；请查看完整论文中的原始排版。

⚖️ 评分明细

评分属于系统判断，不是论文实验结果；八维数值与总分见页首，原始审计记录保留在后端。

• 评分规则：type-aware-v1
• 评分模型：muse-spark-1.3-contributor
• 评分请求协议：openai_responses

← 返回 speechprosody-2026 论文汇总